新しいVentureBeat Pulse Researchの調査は、企業AIにおける拡大するミスマッチを示している。多くの組織が既存のAI計算の実コストを把握する基本的な可視性を欠いているにもかかわらず、インフラへの野心を高め、プロバイダー変更を検討しているのだ。

この調査は、2026年6月の単一波で、従業員100人超の組織から集められた107人の回答者に基づいており、AIを本番環境で大規模に運用していると答えたのはわずか21%だった。しかしVentureBeatの報道によれば、45%は今後1年でAI特化クラウドを評価する予定で、64%は12か月以内にインフラプロバイダーを変更または追加する意向があり、38%はそれが次の四半期にも起こりうると答えている。同時に、GPUを運用している回答者の83%が利用率50%以下と報告し、AI計算のコストとリターンを厳密に追跡していると答えたのは44%にすぎなかった。

この組み合わせが重要なのは、エンタープライズAIの次の段階が、より多くのハードウェアへの単純な需要よりも、弱いコスト計測、未成熟なデプロイ実務、そして性急な調達判断によって形作られる可能性を示しているからだ。ビルダーや企業バイヤーにとって、見出しは単にAI予算が増えているということではない。支出が運用上の規律に先行しているように見える、ということだ。

まだ導入初期の市場は、すでに再プラットフォーム化の準備を進めている

調査から最も明確に読み取れるメッセージの一つは、多くの企業がまだAI展開の初期段階にあるということだ。VentureBeatによれば、回答者の76%はまだ実験段階か、あるいは本番稼働しているワークロードが一部にとどまる。これは現在のインフラ再編を注目すべきものにしている。組織は成熟して安定した運用経験を持つ立場からサプライヤーを変えているわけではない。多くはまだ基盤を築いている最中だ。

現在の利用は引き続き既存の大手プロバイダーに集中している。VentureBeatは、Google Cloudが現在のAIインフラ利用で48%と首位であり、Microsoft、AWS、Oracleといった他の主要プラットフォームに加え、Gemini、OpenAI、AnthropicのようなモデルプロバイダーAPIが現在のスタックの大半を占めていると報じた。これに対して、AIインフラ界隈で大きな注目を集める専用GPUクラウドプロバイダーであるCoreWeave、Lambda、Crusoe、Nebiusは、このサンプルでは現在利用がほとんど、あるいはまったく見られなかった。

しかし、今後の評価予定は現在の展開とは大きく異なる。調査によると、今後1年で最も多く挙げられた見直し対象はAI特化クラウドで45%だった。VentureBeatはさらに、32%がNvidia以外のアクセラレータを評価する予定で、28%が次世代Nvidiaシリコンを評価する計画だと報じている。言い換えれば、次の支出サイクルは現状を深めるというより、代替手段を試すものになるかもしれない。

これはエンタープライズAIチームにとって重要な違いだ。企業は今日クラウドAIに強くコミットしていても、次の予算サイクルで新しいインフラ層、新しいアクセラレータ種別、学習と推論の異なるコスト構造を検討することができる。

買い手は単価の安さより、適合性とTCOを重視している

この調査の調達シグナルは、市場シェアのスナップショットよりもおそらく有用だ。VentureBeatによれば、回答者はAIインフラプロバイダーを選ぶ際の最重要要因として、既存スタックとの統合を41%が挙げ、続いて総所有コストが35%だった。100万トークンあたりのコストは、わずか8%とかなり下位だった。

この結果は、AIインフラ競争を最安の単価を掲げるレースとして捉える一般的な見方に反する。少なくともこのサンプルでは、企業の買い手は、新しいインフラがアイデンティティシステム、データパイプライン、観測ツール、ガバナンス制御、既存契約に適合するかどうかを、見出し価格よりも重視しているようだ。

この結果はまた、Microsoft AzureとGoogle Cloudが短期的な乗り換え検討先としてそれぞれ33%で首位に立ち、OpenAIが30%、Geminiが22%となっている理由の説明にもなる。VentureBeatはこれを、短期的な動きの多くが新しい特化型ベンダーへの急速な移行ではなく、既存プロバイダー間でのシェア争いや顧客支出の集約になる可能性を示す証拠と解釈している。

プロダクトチームにとって、これは技術力だけでは予算を勝ち取れない可能性を意味する。移行を簡素化し、請求を統合し、ガバナンスを改善し、企業調達を容易にできるプロバイダーは、ベンチマーク価格に狙いを絞るベンダーよりも優位に立てるかもしれない。

証拠が示すのは単なる容量問題ではなく、説明責任の問題である

このレポートで最も強い統計は利用率データかもしれない。VentureBeatによれば、GPUを運用している企業のうち83%が利用率50%以下と報告し、49%は25%以下だと答えた。さらに8%は利用率をまったく測定していないと述べた。

もしこの数字が正しければ、膨大な高価な容量が遊んでいることを示唆する。これは、実験のために過剰なリソースを確保したり、導入前に容量を購入したり、システムを十分に稼働させるほど高度なワークロードスケジューラを持たなかったりする初期段階のAIプログラムでは、必ずしも驚くことではない。しかし、それは多くのエンタープライズAIのボトルネックに対してGPUを増やすだけが即座の答えだという考えを損なう。

会計面も同様に弱い。VentureBeatによれば、回答者の44%未満しか、計算コストとリターンを厳密に追跡していないと答えなかった。他は、部分的にしか追跡していない、まだ定量化できない、あるいは優先していないと答えている。

総合すると、これらの結果は記事の中心的主張である「計算ギャップ」を裏付ける。企業は、自身の計測システムでは正当化できないほど速く、大きくインフラ判断を下しているのだ。実務的には、ワークロード単位の明確な単価を把握しないまま、予約インスタンス、GPUクラスター、モデルAPI契約、新しいクラウド提携を承認していることを意味するかもしれない。

エンタープライズAIにとってこれが重要なのは、コスト問題は通常後から現れるからだ。PoCは曖昧な経済性に耐えられるが、スケールした推論製品は耐えられない。どのワークロードが予算を消費しているのか、どのモデルが過剰配備なのか、どこでGPUキューやメモリ制限が見えない無駄を生んでいるのかを企業が知らなければ、次の支出フェーズはその非効率を解消しにくくするだけかもしれない。

証拠、方法論、そしてなお不確かな点

これは有用な調査だが、慎重に読むべきだ。VentureBeat自身も、データは2026年第2四半期の単一波、107人の適格回答者に由来し、正確な市場測定ではなく方向性のシグナルとして扱うべきだと述べている。サンプルは自己選択であり、中堅企業に偏り、最大規模のハイパースケール事業者よりも初期段階のAI導入企業に傾いている。

この注意書きは複数の理由で重要だ。第一に、この調査における現在のプロバイダー利用は、グローバルな企業AI支出シェアと同じではない。第二に、報告された乗り換え意向は実際の乗り換え行動よりノイズが多いことが多い。第三に、利用率やコスト追跡の回答は独立監査ではなく自己申告である。

より将来志向の強い主張のいくつかも、観測された市場結果ではなく調査ベースの姿勢だ。AI特化クラウド、Nvidia以外のアクセラレータ、分散型または主権型の計算への関心は、確定的な購入ではなく評価計画を反映している。同様に、推論におけるメモリ帯域幅とKVキャッシュ制約への懸念は高度なデプロイでは現実的だが、回答者のおよそ5人に1人がこの問題を認識していないというVentureBeatの発見は、そのボトルネックがいつ特定企業にとって深刻になるかよりも、買い手の成熟度について多くを物語っている。

こうした留保はあるものの、調査の内部ロジックは一貫している。初期導入企業はまだ構築段階にあり、代替案を評価するのに十分な不満を抱えており、その代替案を適切に判断するためのコスト管理をまだ備えていない企業が多い。

ビルダーとエンタープライズAIチームにとって何を意味するか

インフラベンダーにとって、メッセージは明確だ。企業向けの販売は、もはやアクセラレータへのアクセスだけでなく、運用の可視性がますます重要になっている。コスト配賦、利用率レポート、ポリシー制御、ワークロードオーケストレーションを強く示せるプロバイダーは、単なる生容量を売るだけのベンダーよりも支持を得やすいだろう。

企業にとっては、より多くの計算資源を買うことから、現在の計算資源をより良く測定することへ優先順位を移す必要があるかもしれない。これは、ワークロード単位のチャージバック、モデルルーティングポリシー、GPUスケジューリング、キャッシング戦略、そして実験・学習・推論の明確な切り分けを意味する。また、モデルAPIのコストと自社運用の経済性を比較する際には、トークン単価だけでなく、労働、統合、信頼性、ガバナンスのオーバーヘッドも含める必要がある。

特にGoogle Cloud、Microsoft Azure、AWS、Oracle上で製品を出しながら、OpenAI、Anthropic、GeminiのAPIを利用しているAIビルダーにとって、この調査は、インフラの選択がもはや背景的な判断ではないことを思い出させる。レイテンシ、マージン、信頼性、コンプライアンス、そして製品ロードマップの柔軟性に影響するのだ。財務とエンジニアリングがそのトレードオフを共同で見られなければ、アーキテクチャの判断は証拠ではなく調達の切迫感によって左右される。

次に注目すべきこと

次の注目点は、示された評価への関心が、CoreWeave、Lambda、Crusoe、Nebius、あるいは他のAI特化クラウドへの実際のワークロード移行につながるかどうかだ。二つ目の重要指標は、企業がCloudダッシュボードや部分的なレポートで支出を管理し続けるのではなく、より正式なAIコスト可観測性ツールを採用するかどうかである。

また、乗り換えの波がGoogle Cloud、Microsoft Azure、OpenAI、Geminiといった既存勢に集中したままか、それとも意味のあるアクセラレータ多様化に広がるかも注視する価値がある。Nvidia以外の評価が実運用に転じれば、性能、供給リスク、コスト管理を企業がどう考えるかにおいて、より深い変化の兆候となる。

最後に、運用指標を見守るべきだ。今後の調査でGPU利用率が上昇し、より多くの企業が計算経済性を厳密に追跡していると示されれば、今日の過剰支出は一時的な成長痛のように見えるだろう。そうでなければ、エンタープライズAIは、より大きな請求書を抱えたまま同じ可視性の問題で次の拡大サイクルに入ることになる。

Creati.aiの視点

この調査で最も重要な洞察は、企業がより多くのAIインフラを求めているということではない。それは以前から明らかだ。より有用なシグナルは、多くの買い手が統合と総所有コストを本当の判断基準として認識し始めている一方で、そのどちらも自信を持って測るための計測手段がまだ不足しているという点だ。

このギャップは、スタック全体に機会を生む。クラウドプロバイダー、モデルプラットフォーム、可観測性ベンダー、社内プラットフォームチームは皆、AIコスト管理を財務の後回し事項ではなく製品機能に変えるチャンスがある。勝者は、計算を可読にする企業かもしれない。つまり、単に利用可能なだけでなく、帰属可能で、統制可能で、ワークロード間で比較しやすい企業だ。エンタープライズAIでは、より明確な経済性が、次のわずかな値下げよりも強い競争優位になる可能性がある。